Skip to main content

Machine Unlearning #0 (Intro)

You might be familiar with the term Machine Learning. Worry not if you have not, cause I have tried to give a gist of the concept here. The term has been in the limelight of late and has been tossed around rather liberally to denote anything related to artificial intelligence, robotics, and data mining. Machine Learning, as the name suggests, could simply mean the field of study of enabling the “machines” (computers) to “learn” from past experiences and make informed decisions in the future.  


Wait a minute! Learning from past experiences is something humans do, right? Exactly! The computer folks want computers to behave more and more like us. As if there aren't enough of us already. As the machines are becoming more like us, we are becoming more like them.

Introspection time! Most of us wake up every morning like clockwork! Then we rush through the morning routines - get dressed, wade through the traffic, and reach our offices or schools or wherever people expect us to be. We spend the most hours of most days of our lives there, doing what we call our work or our duty. What exactly is this work? In most cases, it would be a set of instructions laid out to us by some higher authorities. 


Let us assume that you work at a tea stall. You could be spending most of your time boiling milk and adding tea leaves and sugar to it. When the milk boils, it rises up almost instantaneously and spills over the pot. Obviously, you did not know that when you started the new job. It is when the milk actually got spilt and your superior made you clean up the mess, you realized that the stove must be turned off or the flame be lowered as soon as the milk is boiled. Here, you learned something from an experience. In very basic terms, this is the very essence of machine learning.


How do we make machines learn? Well, the techies have come up with some cool techniques to go about that. While there are numerous techniques, the most common ones include classification, regression, clustering, and reinforcement learning.


This is not a series on Machine Learning. Therefore, we would not be discussing the techniques in detail. However, in the following write-ups, we shall take up some of the machine learning terminologies and look at how we have been applying similar concepts in our daily lives in a not so right manner, and how to unlearn the same.


Unlearn? Let’s find out.


Machine Unlearning is a series broken up into tiny, one-minute readable pieces to humor our ever-shortening attention span. Sharing the links to every single piece right below:



Comments

Popular posts from this blog

അത് എന്ത് കൊണ്ടായിരിക്കും?

അത് എന്ത് കൊണ്ടായിരിക്കും? ആക്ട് 1 : നമുക്ക് ആ ജനൽ ഒന്ന് തുറന്ന് അപ്പുറത്തേക്ക് നോക്കാം. പാശ്ചാത്യനാട്ടിലേക്ക് നോക്കിയാൽ ദേ അവിടെ 65  കാരനായ ജെയിംസ് കാമറൂൺ എക്കാലത്തെയും ഹിറ്റ് ചിത്രമായ അവതാറിന്റെ സീക്വലുകൾ പ്ലാൻ ചെയ്യുന്നു. 73 വയസ്സുള്ള സ്റ്റീവൻ സ്പിൽബെർഗ് മികച്ച ചിത്രങ്ങളായ ബ്രിഡ്ജ് ഓഫ് സ്‌പൈസ് (2015), റെഡി പ്ലെയർ വൺ (2018) ഒക്കെ പുറത്തിറക്കിയത് ഈ ദശാബ്ദത്തിലാണ്. ഐറിഷ് മാൻ സംവിധാനം ചെയ്യുമ്പോൾ മാർട്ടിൻ സ്കോർസെസെ യുടെ പ്രായം 75  കഴിഞ്ഞിരിക്കുന്നു. ഈയിടെ ഇംഗ്ലീഷ് സംവിധായകനായ കെൻ ലോക് ഇന്റെ രണ്ടു പുതിയ ചിത്രങ്ങൾ കാണാൻ ഇടയായി. 2016 ഇൽ പുറത്തിറങ്ങിയ ഐ, ഡാനിയൽ ബ്ലേക്ക് എന്ന ചിത്രവും 2019  ഇൽ സോറി വി മിസ്സ്ഡ് യൂ എന്ന ചിത്രവും ഹൃദയസ്പർശിയായ രീതിയിൽ ആണ് ചിത്രീകരിച്ചിരിക്കുന്നത്. 70 വയസ്സുള്ള സ്പാനിഷ് സംവിധായകൻ പെഡ്രോ അൽമൊഡോവർ, 60 വയസ്സുള്ള ഇറാനിയൻ സംവിധായകൻ മാജിദ് മജീദി, 59 എത്തിയ ദക്ഷിണ കൊറിയൻ സംവിധായകൻ കിം കി ഡുക്, ഇവരൊക്കെ സാമൂഹിക പ്രസക്ത്തിയുള്ള, മേന്മയുള്ള ചിത്രങ്ങൾ ഇപ്പോഴും സംവിധാനം ചെയ്യുന്നു. ആക്ട്  2: ഇനി നമുക്ക് ജനൽ അടച്ച് അകത്തേക്ക് നോക്കാം. എവിടെ ആണ് നമ്മുടെ മുത

Movie Review : The Cabinet of Dr. Caligari

Title : The Cabinet of Dr. Caligari Language : Silent Movie Year : 1920 Director : Robert Wiene Genre : Horror IMDB Link Watch movie on YouTube Lead Role :   Friedrich Feher, Werner Krauss The movie is widely acknowledged as one of the landmark revolutionary offerings from the long gone era when movies did not speak. It may be technically incorrect to call a silent film German, nevertheless it was made in Germany during a time period when the European nation was in turmoils after the devastating World War I. The story begins with a young man by the name of Francis starts narrating the hardships faced by him and his fiancee (Jane) and the very peculiar, even horrifying doings of a strange man, Dr. Caligari. Dr. Caligari owns a stall at a nearby exhibition, and on display is a somnambulist Caeser, who allegedly has slept for 23 straight years! The doctor awakens him, and he answers questions asked by the spectators. To the horror of the locals, his prophecies comes true. Mean

Trying Times

Yo, so you wanna clean this nation? “gonna weed out infiltration” Hear out the proclamation Making death threats is passion. Times where hatred defeats reason. Lot of blood lost in this season. We wonder why all this separation? Extreme right is in the fashion Questioning is now treason. As you gloat the new formation, Remember, our ancient civilization Happened of immigration.